AMOTA

ontrack：揭开端到端3D跟踪器中检测与跟踪之间的冲突

摘要。由于检测和跟踪任务之间的冲突，现有的基于视觉3D感知的端到端跟踪器遭受性能降解。在这项工作中，我们到达了这一骗局的底部，这隐约归因于以前不兼容的特定于任务的对象功能。我们发现这两个任务之间的冲突在于它们部分冲突的分类梯度，这源于它们在积极样本分配中的微妙差异。基于此观察者，我们建议在两个任务中与对象查询中的这些相互矛盾的梯度协调那些冲突的梯度。我们还根据两个任务中的极性动态将所有对象查询分为四组。掩盖了具有冲突的正分配的查询集之间的注意。修改跟踪分类损失以抑制不准确的预测。为此，我们提出了OnEtrack，这是第一个单阶段的接头检测和跟踪模型，该模型弥合了统一对象特征在代表下的检测和跟踪之间的差距。在基于Nuscenes摄像头的对象跟踪基准上，OnEtrack在有效集合上的效果超过6.9％的Amota，在测试集上的作品均优于AMOTA，AMOTA的作品比3.1％。